SDK Version: 2.4.0

DEEPX智能体驱动开发 - dx-agent-dev（测试版）

测试版功能

智能体驱动开发支持目前正在积极开发中。技能定义和路由行为可能在版本间发生变化。

简介

DEEPX智能体驱动开发（dx-agent-dev）已以测试版发布。 用自然语言构建NPU应用：用自然语言描述应用或模型任务，AI编程智能体（Claude Code、Cursor、GitHub Copilot、OpenCode或Codex）将端到端驱动DEEPX知识库 — 头脑风暴 → 规划 → TDD → 验证，从ONNX/.pt编译到DX-M1 NPU设备部署。这是专为Ultralytics模型生态系统在DEEPX NPU上设计的智能体驱动开发，以下所有展示案例均以此方式制作 — 连同提示词、测量结果和完整构建记录一起保存。

您可以使用自然语言命令构建DEEPX AI应用程序。AI编程智能体理解DEEPX SDK生态系统 — GStreamer管道配置、.dxnn模型解析、InferenceEngine设置、DxPreprocess/DxInfer元素连接等 — 描述您的需求，智能体处理实现细节。

支持的工作流程：

使用IFactory、SyncRunner、AsyncRunner的独立推理应用
利用DEEPX 6个类别13个自定义元素的GStreamer视频管道
跨dx_app、dx_stream、dx-runtime的跨项目构建
使用DX-COM（dx-compiler）将ONNX模型编译为DXNN格式

展示案例

以下所有展示案例都是由单个自然语言提示基于DEEPX NPU SDK完全自主构建的真实应用程序，连同提示词、测量结果、一键复现方法和完整构建会话记录一起保存。

NPU驱动AI应用（小游戏）

只需一行自然语言，在约20分钟、约$10内构建完全自主的DEEPX-NPU应用。 由单个提示端到端构建的街机HUD姿态检测小游戏。

展示案例	内容	构建时间	智能体轮次	输出Token	约费用
深蹲计数小游戏	通过膝盖/髋关节角度计算深蹲次数的街机HUD（次数/分数/DOWN·UP·GOOD!）。	≈ 12分钟	132	≈ 109K	≈ $7.3
拉伸教练小游戏	动画教练头像演示每个目标姿势，引导完成3种拉伸动作。	≈ 15分钟	130	≈ 142K	≈ $8.1

Ultralytics生态系统集成

用自然语言，一条命令将Ultralytics YOLO部署到DEEPX NPU，或进行领域定制再训练。 format=deepx导出+四向评估（base/retrained × fp32-GPU / INT8-NPU）；INT8精度≈fp32，领域模型在NPU上运行更快。

展示案例	内容	构建时间	智能体轮次	输出Token	约费用
Ultralytics YOLO → DeepX导出	通过单条`yolo export ... format=deepx`命令将Ultralytics YOLO `.pt`转换为可部署的DeepX NPU模型（`.dxnn`）后运行NPU推理+验证。	≈ 12分钟	108	≈ 84K	≈ $2.4
非洲野生动物监测	在`african-wildlife`（水牛/大象/犀牛/斑马）上再训练`yolo26n`用于野生动物保护摄像头；base/retrained × fp32/INT8四向评估。	≈ 7分钟	78	≈ 85K	≈ $3.2
建筑工地PPE安全	在`construction-ppe`（安全帽/背心/...）上再训练`yolo26n`用于工地安全摄像头；四向评估。	≈ 17分钟	102	≈ 93K	≈ $4.0
脑肿瘤筛查	在`brain-tumor`（MRI/CT）上再训练`yolo26n`用于医疗边缘设备；四向评估。	≈ 9分钟	91	≈ 103K	≈ $3.7
药品片剂检验	在`medical-pills`上再训练`yolo26n`用于药品计数站；四向评估。	≈ 8分钟	118	≈ 103K	≈ $5.1

PaddlePaddle生态系统集成

DEEPX NPU上的PaddleOCR（PP-OCRv5）— 只需一个简洁的提示词即可实现实时视频和摄像头OCR。 在DX-M1 NPU上运行的百度PaddlePaddle OCR（文本检测 → 方向 → 识别）。

展示案例	内容	构建时间	智能体轮次	输出Token	约费用
视频/摄像头OCR（PP-OCRv5）	DX-M1 NPU上的实时文本检测+识别 — 通过单一代码处理视频文件和实时摄像头，叠加检测框+识别字符串。	≈ 18分钟	175	≈ 184K	≈ $12.0

RapidAI生态系统集成

只需一个简洁的自然语言提示词，在DEEPX NPU上构建PDF → Markdown文档转换应用。 RapidAI的RapidDoc（PP-StructureV3）：布局、OCR、表格、公式 — 在DX-M1 NPU上运行PaddlePaddle训练模型。

展示案例	内容	构建时间	智能体轮次	输出Token	约费用
PDF → Markdown（文档转换应用）	通过RapidDoc fork在DEEPX DX-M1 NPU上将PDF（数字版或扫描版）转换为结构化Markdown + JSON。支持`--parse-method auto\|txt\|ocr`。	≈ 12分钟	133	≈ 148.5K	≈ $6.2

完整目录 + 各展示案例摘要（含构建GIF）→ dx-agent-dev-showcase/README.md。点击各行链接可打开对应展示案例的README — 原始提示词、四向评估/游戏玩法详情、会话记录。

工作原理 — 不仅仅是模型，更是整套框架

每个应用包含完整的智能体会话记录。这是直接确认结果不仅依赖于模型性能，更依赖于框架施加的命令指令、技能和验证门控的最佳方式。阅读记录时可以确认：

命令遵从 — 智能体遵守套件HARD GATES：会话哨兵（[DX-AGENT-DEV: START]/DONE）、输出隔离于会话目录（不修改现有源码）、禁止占位符/存根代码。
技能与智能体利用 — 将必要序列作为实际工具调用执行 — dx-skill-router → dx-agent-brainstorm → dx-swe-writing-plans → dx-agent-tdd → dx-agent-verify — 实际执行而非仅仅提及。
真实推理 — 审查最相似的现有示例、从知识库验证实际框架API、先写验证（RED）、生成+验证每个文件后才声明完成。

前提条件

要求	详情
DEEPX开发环境	已安装DX-RT SDK并完成`setup_env.sh`配置
AI编程智能体（以下之一）	Claude Code、GitHub Copilot（VS Code）、Cursor、OpenCode或Codex CLI
Python	3.10+，已安装dx-all-suite软件包

架构概述

智能体驱动知识库由三个独立层次构成。每个层次都有自己的.deepx/目录，包含智能体在执行任务时读取的技能、命令和记忆文件。

dx_app — 独立推理

无需GStreamer运行推理的Python和C++应用程序。核心抽象：

IFactory — 创建特定模型的前/后处理管道
SyncRunner / AsyncRunner — 阻塞和非阻塞推理执行器
DxInfer — 包装InferenceEngine的底层推理包装器

.deepx/知识库涵盖模型加载、.dxnn解析、批处理和结果可视化。

dx_stream — GStreamer管道

基于GStreamer的实时视频分析。智能体理解6个功能类别（源、推理、叠加、编码、流媒体、接收器）中的全部13个DEEPX元素，可通过单个自然语言提示组装多分支管道。

dx-runtime — 集成层

跨项目路由和统一验证。dx-runtime位于其他两个层次之上，将任务分发到正确的子项目构建器，并应用一致的编码标准、测试模式和模型管理规则。

dx-compiler — 模型编译

由DX-COM驱动的DXNN模型编译。智能体理解完整的编译管道 — ONNX模型验证、包含自动推断参数的config.json生成、校准数据准备、INT8量化、PPU配置 — 可通过单个自然语言提示编译模型。编译前，智能体通过关于无NMS模型检测、ONNX简化和PPU编译的必要头脑风暴问题确保正确配置。

可用智能体与技能

智能体和技能可在仓库的所有层级使用。顶层dx-all-suite提供对任务进行分类并分发到正确子模块的路由智能体。

按层级划分的智能体

层级	智能体	说明
dx-all-suite	`@dx-suite-builder`	顶层路由器 — 对任务分类并路由到适当的子模块
dx-all-suite	`@dx-suite-validator`	套件级验证 — 跨3个层级执行框架检查
dx-runtime	`@dx-runtime-builder`	跨项目构建器 — 路由到dx_app或dx_stream
dx-runtime	`@dx-validator`	含反馈循环的统一验证编排器
dx_app	`@dx-app-builder`	独立推理构建器 — 路由到专业构建器
dx_app	`@dx-python-builder`	Python推理应用构建器（4种变体：sync、async、cpp_postprocess、async_cpp_postprocess）
dx_app	`@dx-cpp-builder`	C++推理应用构建器
dx_app	`@dx-model-manager`	模型下载和注册表管理器
dx_app	`@dx-validator`	dx_app验证和反馈循环
dx_stream	`@dx-stream-builder`	GStreamer管道构建器 — 路由到专业构建器
dx_stream	`@dx-pipeline-builder`	管道配置（含代理的6个类别）
dx_stream	`@dx-validator`	dx_stream验证和反馈循环
dx-compiler	`@dx-compiler-builder`	模型编译路由器 — 路由到转换器或编译器
dx-compiler	`@dx-model-converter`	PyTorch到ONNX模型转换器
dx-compiler	`@dx-dxnn-compiler`	ONNX到DXNN编译器（DX-COM）

技能（仅限OpenCode — `/斜杠命令`）

层级	技能	说明
dx-runtime	`/dx-agent-runtime-validate`	验证、收集反馈、应用修正、重新验证
dx_app	`/dx-agent-app-build-python`	构建Python推理应用
dx_app	`/dx-agent-app-build-cpp`	构建C++推理应用
dx_app	`/dx-agent-app-build-async`	构建高性能异步应用
dx_app	`/dx-agent-app-model-management`	模型下载和配置
dx_app	`/dx-agent-app-validate`	运行验证检查
dx_stream	`/dx-agent-stream-build-pipeline`	构建GStreamer管道应用
dx_stream	`/dx-agent-stream-build-mqtt-kafka`	构建MQTT/Kafka管道应用
dx_stream	`/dx-agent-stream-validate`	运行验证检查
dx_stream	`/dx-agent-stream-model-management`	模型下载和配置
dx-compiler	`/dx-agent-compiler-convert`	将PyTorch模型转换为ONNX
dx-compiler	`/dx-agent-compiler-compile`	将ONNX模型编译为DXNN
dx-compiler	`/dx-agent-compiler-validate`	验证编译的DXNN输出
DX All Suite	`/dx-swe-brainstorm`	流程：任务前协作设计会话
DX All Suite	`/dx-swe-tdd`	流程：测试驱动开发 — 增量验证
DX All Suite	`/dx-swe-verify`	流程：声明完成前的验证 — 主张前的证据
dx-runtime	`/dx-swe-brainstorm`	流程：代码生成前的协作设计会话
dx-runtime	`/dx-swe-tdd`	流程：测试驱动开发 — 文件创建后立即验证
dx-runtime	`/dx-swe-verify`	流程：声明完成前的验证 — 主张前的证据
dx_app	`/dx-swe-brainstorm`	流程：代码生成前的协作设计会话
dx_app	`/dx-swe-tdd`	流程：测试驱动开发 — 文件创建后立即验证
dx_app	`/dx-swe-verify`	流程：声明完成前的验证 — 主张前的证据
dx_stream	`/dx-swe-brainstorm`	流程：代码生成前的协作设计会话
dx_stream	`/dx-swe-tdd`	流程：测试驱动开发 — 文件创建后立即验证
dx_stream	`/dx-swe-verify`	流程：声明完成前的验证 — 主张前的证据
dx-compiler	`/dx-swe-brainstorm`	流程：编译前的协作设计会话
dx-compiler	`/dx-swe-tdd`	流程：测试驱动开发 — 每个步骤的增量验证
dx-compiler	`/dx-swe-verify`	流程：声明完成前的验证 — 主张前的证据

提示

若不确定目标子模块，在顶层使用@dx-suite-builder — 它会对任务分类并自动路由到正确的构建器。

支持的AI工具

智能体驱动开发支持5种AI编程工具。每种工具通过其自身的配置机制自动加载.deepx/知识库。

工具	类型	自动加载机制	智能体调用	技能调用
Claude Code	CLI	项目根目录的`CLAUDE.md`	自由形式对话；Context Routing Table自动分发	—
GitHub Copilot	VS Code	`.github/copilot-instructions.md`	Copilot Chat中`@agent-name "prompt"`	—
Cursor	IDE	`.cursor/rules/*.mdc`	自由形式对话；通过`alwaysApply`或`globs`加载规则	—
OpenCode	CLI	`AGENTS.md` + `opencode.json`	`@agent-name "prompt"`	`/skill-name`斜杠命令
Codex CLI	CLI	`AGENTS.md` + `.codex/skills/dx-codex-identity/SKILL.md`	自由形式对话（`~/bin/codex exec ...`）	`cat .deepx/skills/<name>/SKILL.md`（直接读取）

自动加载内容

工具	全局上下文	文件级上下文	智能体	技能
Claude Code	`CLAUDE.md`	Context Routing Table（手动）	`.claude/agents/*.md`（生成）	`.deepx/skills/`（直接读取）
Copilot	`.github/copilot-instructions.md`	`.github/instructions/*.instructions.md`（`applyTo:` glob）	`.github/agents/*.agent.md`	`.github/skills/`（内联副本）
Cursor	`.cursor/rules/dx-*.mdc`（`alwaysApply: true`）	`.cursor/rules/*.mdc`（`globs: [...]`）	`.cursor/rules/`智能体`.mdc`文件	`.cursor/rules/`技能`.mdc`文件
OpenCode	`AGENTS.md` + `opencode.json`命令	—	`.opencode/agents/*.md`	`.deepx/skills/*/SKILL.md`
Codex CLI	`AGENTS.md`	—	`.deepx/agents/*.md`（直接`cat`）	`.codex/skills/dx-codex-identity/`（自动）+ `.deepx/skills/`（手动`cat`）

初始设置

无需额外配置。在您首选的工具中打开项目目录，配置文件将自动加载：

# Claude Code
cd dx-all-suite
claude

# OpenCode
cd dx-all-suite
opencode

# Codex CLI
cd dx-all-suite
~/bin/codex

# GitHub Copilot — 在VS Code中打开文件夹
code dx-all-suite

# Cursor CLI
cd dx-all-suite
cursor-agent

平台文件加载说明

每个AI编程智能体在套件层级自动加载不同的配置文件。标记自动的文件在所有对话中加载，@mention文件通过智能体或技能命令手动调用。

Git子模块边界*

Copilot Chat/CLI、Claude Code、Codex CLI目前只能看到当前git根目录的文件。在dx-all-suite/中打开时，不会自动加载dx-compiler/、dx-runtime/等子项目文件（独立的git子模块）。OpenCode通过opencode.json中的显式路径引用跨越此边界。

自动加载文件

文件	自动加载工具	加载方式
`.github/copilot-instructions.md`	Copilot Chat/CLI	自动
`CLAUDE.md`	Claude Code	自动
`AGENTS.md` + `opencode.json`	OpenCode	自动
`AGENTS.md` + `.codex/skills/dx-codex-identity/SKILL.md`	Codex CLI	自动
`.cursor/rules/dx-all-suite.mdc`	Cursor	自动

智能体文件（手动@mention）

智能体	Copilot（`@mention`）	OpenCode（`@mention`）
`dx-suite-builder`	`.github/agents/dx-suite-builder.agent.md`	`.opencode/agents/dx-suite-builder.md`
`dx-suite-validator`	`.github/agents/dx-suite-validator.agent.md`	`.opencode/agents/dx-suite-validator.md`

说明

Claude Code在.claude/agents/中有生成的智能体文件（如dx-suite-builder.md）。 Cursor在.cursor/rules/中有智能体.mdc文件（如dx-suite-builder.mdc）。 Claude Code使用CLAUDE.md的Context Routing Table分发任务。

技能文件（仅限OpenCode — `/斜杠命令`）

技能	文件
`/dx-swe-brainstorm`	`.deepx/skills/dx-swe-brainstorm/SKILL.md`
`/dx-swe-verify`	`.deepx/skills/dx-swe-verify/SKILL.md`
`/dx-swe-tdd`	`.deepx/skills/dx-swe-tdd/SKILL.md`
`/dx-swe-parallel-agents`	`.deepx/skills/dx-swe-parallel-agents/SKILL.md`
`/dx-swe-executing-plans`	`.deepx/skills/dx-swe-executing-plans/SKILL.md`
`/dx-swe-receiving-review`	`.deepx/skills/dx-swe-receiving-review/SKILL.md`
`/dx-swe-requesting-review`	`.deepx/skills/dx-swe-requesting-review/SKILL.md`
`/dx-skill-router`	`.deepx/skills/dx-skill-router/SKILL.md`
`/dx-swe-subagent-dev`	`.deepx/skills/dx-swe-subagent-dev/SKILL.md`
`/dx-swe-debugging`	`.deepx/skills/dx-swe-debugging/SKILL.md`
`/dx-swe-writing-plans`	`.deepx/skills/dx-swe-writing-plans/SKILL.md`

共享知识库（`.deepx/`）

.deepx/目录是所有平台特定文件的规范来源（单一真实来源）。以平台无关格式包含智能体、技能、模板和片段。dx-agent-gen生成器将其转换为Copilot（.github/）、Claude Code（.claude/）、OpenCode（.opencode/）、Cursor（.cursor/rules/）的平台特定文件。

目录	内容
`agents/`	`dx-suite-builder`、`dx-suite-validator`
`skills/`	13个技能（领域+共享流程技能）
`templates/`	`{en,ko}/*.tmpl` — 命令文件模板
`templates/fragments/`	`{en,ko}/*.md` — 跨仓库复用的共享章节
`memory/`	会话间持久化的知识
`knowledge/`	结构化参考数据
`instructions/`	内部智能体指令
`toolsets/`	工具参考文档

命令文件（CLAUDE.md、AGENTS.md、copilot-instructions.md，EN+ZH）也从模板和片段生成 — 请勿直接编辑。

平台文件生成

所有平台特定文件均由dx-agent-dev-gen包从.deepx/生成。请勿直接编辑生成的文件。

pip install -e .deepx/tools   # 安装生成器
dx-agent-gen generate                    # 生成平台文件
dx-agent-gen check                       # 确认无漂移

Pre-commit钩子强制生成文件的同步：

.deepx/tools/scripts/install-hooks.sh   # 一次性设置

工具快速入门

从dx-all-suite（顶层路由）

在顶层dx-all-suite目录工作，让智能体自动路由到正确的子模块：

提示词：

"将yolo26n.onnx编译为DXNN并构建使用它的人员检测Python应用"

工具	使用方法
Claude Code	打开`dx-all-suite/`并输入提示词。`CLAUDE.md`将编译路由到dx-compiler，将应用生成路由到dx_app。
GitHub Copilot	打开Copilot Chat：`@dx-suite-builder`加提示词。智能体对任务分类并路由到正确的子模块。
Cursor	打开`dx-all-suite/`并输入提示词。`alwaysApply`规则路由到适当的子模块。
OpenCode	打开`dx-all-suite/`：`@dx-suite-builder`加提示词。智能体自动路由。
Codex CLI	打开`dx-all-suite/`并输入提示词（或`~/bin/codex exec "<prompt>"`）。`AGENTS.md`自动读取并在子模块间路由。

从子模块（直接访问）

直接在子模块工作时，使用符合该子模块范围的提示词：

子模块	示例提示词
dx-compiler	`"将yolo26x.pt转换为ONNX并为DX-M1编译为DXNN"`
dx_app	`"使用Python构建yolo26n人员检测应用"`
dx_stream	`"构建带RTSP摄像头和跟踪的检测管道"`

工具	使用方法
Claude Code	打开子模块目录并直接输入提示词。`CLAUDE.md`自动读取。Context Routing Table分发到正确的`.deepx/`技能文件。
GitHub Copilot	打开Copilot Chat：`@dx-app-builder`、`@dx-stream-builder`或`@dx-compiler-builder`加提示词。Copilot在所有聊天中读取`.github/copilot-instructions.md`。
Cursor	打开子模块文件夹并直接输入提示词。`alwaysApply: true`的规则在所有对话中加载。带`globs:`模式的规则在编辑匹配文件时激活。
OpenCode	打开子模块目录，使用适当的智能体（`@dx-app-builder`、`@dx-stream-builder`或`@dx-compiler-builder`）或对应的技能斜杠命令。
Codex CLI	打开子模块目录并输入提示词（或`~/bin/codex exec "<prompt>"`）。`AGENTS.md`自动读取，如需要可直接`cat .deepx/skills/<name>/SKILL.md`。

端到端场景

跨多个子模块的跨项目工作流程场景。子项目专属场景请参阅下面链接的各个指南。

场景1：自定义模型转换 + SDK移植 + 验证

编译自定义模型、将推理代码移植到DEEPX SDK并验证结果的完整管道。

提示词：

"./models/中有yolo26x-custom.onnx，./inference.py中有使用onnxruntime的推理代码。请将其转换为DXNN并将我的代码移植到DEEPX SDK。"

工具	使用方法
Claude Code	打开`dx-all-suite/`并输入提示词。套件构建器编排：(a) dx-compiler将ONNX模型编译为DXNN，(b) dx_app移植推理代码，(c) 验证确认移植应用正常工作。
GitHub Copilot	`@dx-suite-builder`加提示词。智能体将编译路由到dx-compiler，将移植路由到dx_app。
Cursor	打开`dx-all-suite/`并输入提示词。路由器分发到正确的子模块。
OpenCode	`@dx-suite-builder`加提示词。
Codex CLI	打开`dx-all-suite/`并输入提示词。`AGENTS.md`编排跨子模块工作。

分3步进行：

dx-compiler：使用自动推断配置编译yolo26x-custom.onnx → yolo26x-custom.dxnn
dx_app：生成使用编译模型的InferenceEngine Python推理应用
验证：运行移植应用后与原始onnxruntime代码的输出进行比较

场景2：模型编译 + 示例应用生成

编译模型并生成使用编译输出的独立推理应用。跨dx-compiler和dx_app的跨项目场景。

提示词：

"将yolo26n.onnx编译为DXNN并生成使用编译模型的Python检测应用"

工具	使用方法
Claude Code	打开`dx-all-suite/`并输入提示词。套件构建器编排：(a) dx-compiler将ONNX编译为DXNN，(b) dx_app生成引用编译模型的Python应用。
GitHub Copilot	`@dx-suite-builder`加提示词。编译路由到dx-compiler，应用生成路由到dx_app。
Cursor	打开`dx-all-suite/`并输入提示词。路由器分发到两个子模块。
OpenCode	`@dx-suite-builder`加提示词。
Codex CLI	打开`dx-all-suite/`并输入提示词。`AGENTS.md`编排跨子模块工作。

分2步进行：

dx-compiler：使用自动推断配置编译yolo26n.onnx → yolo26n.dxnn
dx_app：生成使用编译.dxnn模型的Python检测应用

场景3：模型编译 + 流媒体管道生成

编译模型并生成使用编译输出的GStreamer流媒体管道。跨dx-compiler和dx_stream的跨项目场景。

提示词：

"将yolo26n.onnx编译为DXNN并构建带RTSP输出的检测流媒体管道"

工具	使用方法
Claude Code	打开`dx-all-suite/`并输入提示词。套件构建器编排：(a) dx-compiler将ONNX编译为DXNN，(b) dx_stream生成带RTSP输出的GStreamer管道。
GitHub Copilot	`@dx-suite-builder`加提示词。编译路由到dx-compiler，管道路由到dx_stream。
Cursor	打开`dx-all-suite/`并输入提示词。路由器分发到两个子模块。
OpenCode	`@dx-suite-builder`加提示词。
Codex CLI	打开`dx-all-suite/`并输入提示词。`AGENTS.md`编排跨子模块工作。

分2步进行：

dx-compiler：使用自动推断配置编译yolo26n.onnx → yolo26n.dxnn
dx_stream：生成使用DxInfer编译模型并包含RTSP流媒体输出的检测管道

场景4：PPU模型编译 + 检测应用

使用PPU（前/后处理单元）支持编译模型以应用硬件加速后处理，并生成使用PPU模型的应用。

提示词：

"使用PPU支持编译yolo26n.onnx并生成PPU模型的检测应用"

工具	使用方法
Claude Code	打开`dx-all-suite/`并输入提示词。套件构建器编排：(a) dx-compiler使用PPU配置编译（基于YOLO版本自动检测），(b) dx_app生成含简化后处理的PPU专用应用。
GitHub Copilot	`@dx-suite-builder`加提示词。PPU编译路由到dx-compiler，PPU应用生成路由到dx_app。
Cursor	打开`dx-all-suite/`并输入提示词。路由器分发到两个子模块。
OpenCode	`@dx-suite-builder`加提示词。
Codex CLI	打开`dx-all-suite/`并输入提示词。`AGENTS.md`编排跨子模块工作。

分2步进行：

dx-compiler：使用PPU配置编译 — 智能体自动检测PPU类型（基于锚点的YOLO为Type 0，无锚点YOLO为Type 1）
dx_app：在src/python_example/ppu/下生成含硬件解码边界框的简化后处理的PPU专用检测应用

跨项目路由

dx-all-suite元指南提供到所有子项目场景的路由。若任务与子项目指南中的场景匹配，套件构建器将自动路由。

dx-runtime场景（跨项目构建、统一验证）：参阅dx-runtime指南
dx_app场景（Python/C++推理应用）：参阅dx_app指南
dx_stream场景（GStreamer管道）：参阅dx_stream指南
dx-compiler场景（模型编译）：参阅dx-compiler指南

提示

无需切换到子项目目录。在dx-all-suite层级使用@dx-suite-builder，它将自动路由到任何子项目。

子项目指南

每个子项目都提供涵盖特定技能、元素目录和实际示例的详细智能体驱动开发指南：

子项目	指南
dx-runtime	`dx-runtime/docs/source/agent_development.md`
dx_app	`dx_app/docs/source/docs/13_DX-APP_Agent_Driven_Development.md`
dx_stream	`dx_stream/docs/source/docs/08_DX-STREAM_Agent_Driven_Development.md`
dx-compiler	`dx-compiler/source/docs/05_DX-COMPILER_Agent_Driven_Development.md`

内部参考文档

面向贡献者的.deepx/规范来源、生成器管道和框架开发模型的深度内容（非面向最终用户）：

文档	范围
`.deepx/docs/dx-agent-dev-overview.md`	5个仓库中所有`.deepx/`目录的详细说明
`.deepx/README.md`	`.deepx/`知识库顶层主索引
`.deepx/docs/skill-architecture.md`	三层技能模型（SWE / 智能体驱动 / 框架）
`.deepx/tools/README.md`	`dx-agent-gen`生成器包指南
`.deepx/tools/scripts/README.md`	运维脚本（`run_all.sh`、钩子、E2E循环）

输出隔离

默认情况下，智能体生成的所有代码保存在目标子项目内的dx-agent-dev/<session_id>/中。防止意外修改现有生产代码。

输出类型	路径	条件
默认（隔离）	`dx-agent-dev/<session_id>/`	除非用户另有指定，始终如此
生产	`src/`	仅在用户明确要求时

会话ID格式：YYYYMMDD-HHMMSS_<agent>_<model>_<task>，其中<agent>为claude、codex、copilot、cursor或opencode。

每个会话目录包含：

README.md — 会话元数据、生成文件列表、运行说明
session.json — 机器可读的会话配置

dx-agent-dev/目录在dx_app和dx_stream中均被git忽略。

dx-compiler会话目录

对于dx-compiler，会话目录还额外包含：

calibration_dataset — 指向dx_com/calibration_dataset/的符号链接
config.json — 包含相对校准路径的自动生成DX-COM配置
compiler.log — 编译日志（使用--gen_log时）

智能体自动设置校准数据（检查dx_com/calibration_dataset/，必要时运行设置脚本，并创建相对路径的符号链接）。

套件级跨项目输出

从dx-all-suite级别运行跨项目任务（如编译+部署）时，产物在各目标子项目的dx-agent-dev/目录中生成。此外，在dx-all-suite/dx-agent-dev/中创建符号链接以便统一访问：

dx-all-suite/dx-agent-dev/
├── dx-compiler_20260409-070940_yolo26n_pt_to_dxnn -> ../dx-compiler/dx-agent-dev/20260409-...
└── dx_app_20260409-071500_yolo26n_detection_app -> ../dx-runtime/dx_app/dx-agent-dev/20260409-...

符号链接命名规则：\{subproject\}_\{session_id\}。

会话标记

智能体在每个任务的开始和结束输出固定标记，用于自动化测试：

标记	条件
`[DX-AGENT-DEV: START]`	必须 — 在任何其他文本、工具调用或推理之前，作为智能体第一个响应的绝对第一行。即使用户说"直接进行"也不可省略 — 没有此标记自动化测试将失败。
`[DX-AGENT-DEV: DONE (output-dir: <relative_path>)]`	所有工作完成后的最后一行。`<relative_path>`是相对于项目根目录的会话输出目录。如果未生成文件，省略`(output-dir: ...)`部分。

重要：DONE表示所有交付物已生成 — 实现代码、脚本、配置和验证结果。如果智能体仅生成了规划产物（规范、计划、设计文档）而未实现实际代码，则不得输出DONE。

简介​

展示案例​

NPU驱动AI应用（小游戏）​

Ultralytics生态系统集成​

PaddlePaddle生态系统集成​

RapidAI生态系统集成​

工作原理 — 不仅仅是模型，更是整套框架​

前提条件​

架构概述​

dx_app — 独立推理​

dx_stream — GStreamer管道​

dx-runtime — 集成层​

dx-compiler — 模型编译​

可用智能体与技能​

按层级划分的智能体​

技能（仅限OpenCode — /斜杠命令）​

支持的AI工具​

自动加载内容​

初始设置​

平台文件加载说明​

自动加载文件​

智能体文件（手动@mention）​

技能文件（仅限OpenCode — /斜杠命令）​

共享知识库（.deepx/）​

平台文件生成​

工具快速入门​

从dx-all-suite（顶层路由）​

从子模块（直接访问）​

端到端场景​

场景1：自定义模型转换 + SDK移植 + 验证​

场景2：模型编译 + 示例应用生成​

场景3：模型编译 + 流媒体管道生成​

场景4：PPU模型编译 + 检测应用​

跨项目路由​

子项目指南​

内部参考文档​

输出隔离​

dx-compiler会话目录​

套件级跨项目输出​

会话标记​

简介

展示案例

NPU驱动AI应用（小游戏）

Ultralytics生态系统集成

PaddlePaddle生态系统集成

RapidAI生态系统集成

工作原理 — 不仅仅是模型，更是整套框架

前提条件

架构概述

dx_app — 独立推理

dx_stream — GStreamer管道

dx-runtime — 集成层

dx-compiler — 模型编译

可用智能体与技能

按层级划分的智能体

技能（仅限OpenCode — `/斜杠命令`）

支持的AI工具

自动加载内容

初始设置

平台文件加载说明

自动加载文件

智能体文件（手动@mention）

技能文件（仅限OpenCode — `/斜杠命令`）

共享知识库（`.deepx/`）

平台文件生成

工具快速入门

从dx-all-suite（顶层路由）

从子模块（直接访问）

端到端场景

场景1：自定义模型转换 + SDK移植 + 验证

场景2：模型编译 + 示例应用生成

场景3：模型编译 + 流媒体管道生成

场景4：PPU模型编译 + 检测应用

跨项目路由

子项目指南

内部参考文档

输出隔离

dx-compiler会话目录

套件级跨项目输出

会话标记